Andere Kunden interessierten sich auch für
![Reconhecimento da Emoção Estocástica por Matrizes Múltiplas e Classificação]( "Reconhecimento da Emoção Estocástica por Matrizes Múltiplas e Classificação")
Reconhecimento da Emoção Estocástica por Matrizes Múltiplas e Classificação26,99 €![Classificação de rugas cutâneas em imagens digitais]( "Classificação de rugas cutâneas em imagens digitais")
Classificação de rugas cutâneas em imagens digitais36,99 €![Detecção de Fumaça em Vídeos para Monitoramento de Àreas Ambientais]( "Detecção de Fumaça em Vídeos para Monitoramento de Àreas Ambientais")
Detecção de Fumaça em Vídeos para Monitoramento de Àreas Ambientais26,99 €![Monitoramento da Integridade de um trator utilizando redes neurais]( "Monitoramento da Integridade de um trator utilizando redes neurais")
Monitoramento da Integridade de um trator utilizando redes neurais16,99 €![Classificação do estado do trânsito baseada em contexto global]( "Classificação do estado do trânsito baseada em contexto global")
Classificação do estado do trânsito baseada em contexto global36,99 €![Contribuições ao Problema de Predição Recursiva Usando Redes Neurais]( "Contribuições ao Problema de Predição Recursiva Usando Redes Neurais")
Contribuições ao Problema de Predição Recursiva Usando Redes Neurais42,99 €![Aprendizado de máquina na saúde]( "Aprendizado de máquina na saúde")
Aprendizado de máquina na saúde29,99 €
A análise automática de expressões faciais tem atraído cada vez mais a atenção de pesquisadores em diversas áreas como psicologia, ciência da computação, linguística, neurociência e áreas relacionadas. Nas últimas décadas, pesquisadores têm realizado muitos trabalhos e inúmeras abordagens promissoras para o reconhecimento automático de expressões faciais têm surgido. Este crescente interesse surgiu através do desenvolvimento de novos métodos de processamento de imagens, novas abordagens para detecção e reconhecimento facial, bem como o aumento da capacidade computacional. Nesta dissertação é proposto um sistema de reconhecimento automático de expressões faciais. O sistema proposto classifica sete diferentes expressões: felicidade, raiva, tristeza, surpresa, desgosto, medo e neutra. Utilizou-se as bases de dados MUG Facial Expression e Face and Gesture Recognition Research Network (FG-NET). Os resultados experimentais demonstram que o sistema proposto baseado em redes neurais artificiais alcança uma taxa média de acerto de 97,62% para as sete diferentes expressões faciais definidas.